摘要
本发明涉及一种基于AI图像识别的输电线路导线覆冰监测方法,包括:获取微气象、拉力和导线图像数据;对VGG16深度卷积神经网络进行改进并训练,判断导线覆冰类型,得到导线覆冰类型识别结果;计算导线覆冰厚度;将微气象、拉力、导线图像数据、导线覆冰类型识别结果和导线覆冰厚度通过远程通信单元上传到系统监控平台。本发明还提供了一种基于AI图像识别的输电线路导线覆冰监测系统。本发明通过多传感器数据融合,提升了覆冰监测的精确性;采用AI人工智能模块创新性地融合纹理、边缘、灰度统计等多类特征,通过改进后的VGG16深度卷积神经网络进行特征深度融合,使覆冰类型识别准确率显著提升,尤其在雨雾、夜间等复杂场景下仍保持较高的识别稳定性。
技术关键词
输电线路导线覆冰
深度卷积神经网络
导线覆冰厚度
AI图像识别
系统监控平台
数据监测终端
数据采集单元
监测方法
多维特征向量
AI人工智能
远程通信单元
拉力传感器
气象
多传感器数据融合
灰度统计特征
输电导线
系统为您推荐了相关专利信息
深度卷积神经网络模型
可视化显示界面
探头阵列
超声回波
特征提取模块
消防通道
协同处置系统
深度卷积神经网络
图片
特征提取网络
除雾功能
主成分分析算法
摄像机镜头
深度卷积神经网络
指数
大型石油储罐
浮船板
焊接方法
图像特征提取模型
焊接机器人
植被分类方法
深度卷积神经网络
编码器模块
全局平均池化
空洞